推荐系统是否促进本地音乐？基于音乐流媒体数据的可重复性研究
信息检索
2024-08-30 v1 数据库
人机交互
机器学习
摘要
本文审视了推荐系统对本地音乐表征的影响，讨论了关于 LFM-2b 公共数据集上某项实证研究的先行发现。该先前研究认为，不同类型的推荐系统展现出算法偏见，导致音乐消费倾向于或反向于本地内容。然而，LFM-2b 数据集中的用户并不反映音乐流媒体服务的多元化听众。为评估该研究结论的稳健性，我们进行了一项比较分析，使用来自全球音乐流媒体服务的专有聆听数据进行研究，我们随该论文一同公开发布了这些数据。我们观察到 LFM-2b 与我们的数据集之间在本地音乐消费模式上存在显著差异，这表明在仅依据 LFM-2b 数据得出关于本地音乐的结论时应加以谨慎对待。此外，我们展示了原研究中所观察到的算法偏见在我们的数据集中呈现出不同情况，并且 several 未被探索的模型参数会显著影响这些偏见并影响两个数据集上该研究的结论。最后，我们讨论了准确标记本地音乐的复杂性，强调由于标签不可靠、偏见或不完整而可能导致误导性结论的风险。为鼓励进一步的研究并确保可重复性，我们已公开分享了数据集和代码。
引用
@article{arxiv.2408.16430,
title = {Do Recommender Systems Promote Local Music? A Reproducibility Study Using Music Streaming Data},
author = {Kristina Matrosova and Lilian Marey and Guillaume Salha-Galvan and Thomas Louail and Olivier Bodini and Manuel Moussallam},
journal= {arXiv preprint arXiv:2408.16430},
year = {2024}
}